Kursplan

Introduktion till öppen källkodens LLMs

  • Översikt över DeepSeek, Mistral, LLaMA och andra öppen källkodsmodeller
  • Hur LLMs fungerar: Transformers, självåtention och träning
  • Jämförelse mellan öppen källkodens LLMs och proprietära modeller

Finjustering och anpassning av LLMs

  • Förberedelse av data för finjustering
  • Träning och optimering av LLMs med hjälp av Hugging Face
  • Utvärdering av modellprestanda och förminskning av fördomar

Byggande av AI-agenter med LLMs

  • Introduktion till LangChain för utveckling av AI-agenter
  • Design av agentbaserade arbetsflöden med LLMs
  • Minneshantering, återhämtningsförstärkt generering (RAG) och utförande av åtgärder

Distribution av LLM-baserade AI-agenter

  • Kontainerisering av AI-agenter med Docker
  • Integrering av LLMs i företagsapplikationer
  • Skalning av AI-agenter med molntjänster och API:er

Säkerhet och överensstämmelse i företags AI

  • Etiska överväganden och regelbunden överensstämmelse
  • Minskning av risker i AI-drivna automatiseringar
  • Övervakning och granskning av AI-agenternas beteende

Fallstudier och praktiska applikationer

  • Virtuella assistenter som drivs av LLMs
  • AI-drivna dokumentautomatiseringar
  • Anpassade AI-agenter för företagsanalys

Optimering och underhåll av LLM-baserade agenter

  • Kontinuerlig förbättring och uppdatering av modeller
  • Distribution av övervakning och återkopplingslooper
  • Strategier för kostnadsoptimering och prestandjustering

Sammanfattning och nästa steg

Krav

  • Djupgående kunskap om AI och maskininlärning
  • Erfarenhet av Python-programmering
  • Bekantskap med stora språkmodeller (LLMs) och bearbetning av naturligt språk (NLP)

Målgrupp

  • AI-ingenjörer
  • Företagsprogramutvecklare
  • Företagsledare
 21 timmar

Antal deltagare


Price per participant

Vittnesmål (1)

Upcoming Courses

Relaterade Kategorier